CN103929645B - 一种基于陪集码的分布式选择压缩编解码方法 - Google Patents
一种基于陪集码的分布式选择压缩编解码方法 Download PDFInfo
- Publication number
- CN103929645B CN103929645B CN201310683146.6A CN201310683146A CN103929645B CN 103929645 B CN103929645 B CN 103929645B CN 201310683146 A CN201310683146 A CN 201310683146A CN 103929645 B CN103929645 B CN 103929645B
- Authority
- CN
- China
- Prior art keywords
- coset
- spectral coverage
- dark
- index
- reference spectral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明属于图像信源编解码领域,其特点在于利用分布式编解码方法,以较低的时间复杂度实现对高光谱数据的压缩。在编码过程中,要区分参考谱段Y和非参考谱段X。在传输过程中,只需传输少量信息,即参考谱段的数据Y'和非参考谱段的陪集索引X'L以及少量的陪集元素A。在解码过程中,利用参考谱段陪集元素的值Y'H,结合非参考谱段陪集索引的值X'L,通过奇偶判定校验算法重构高光谱图像数据。
Description
技术领域
本发明属于计算机数字图像处理领域,针对地质遥感图像的特点,利用分布式编码技术进行压缩。
背景技术
分布式编码(DSC)技术是信息论在发展过程中的重要成果之一。上世纪七十年代,DavidSlepian和Jack K.Wolf在信息论基础上提出了针对两个互相关信源无损压缩的理论极限,即Slepian-Wolf理论。然而,研究人员一直没有发现这一理论的实现方法。直到最近十几年,人们发现DSC与信道编码的纠错码之间存在着一定的关系,从而为我们找到了一条实现该理论的途径。1998年,Pradhan提出了基于特征群的分布式信源编码(DISCUS,Distributed SourceCoding Using Syndromes),该方法尝试了两个独立相关信源X与Y的独立编码与联合解码,在X与Y之间建立虚拟信道,其中X为编码端的输入,Y为解码端的输出,Y可看作X被噪声污染过的信号,这样就可以构造有效的信道纠错码来恢复X。此后,大部分DSC方案都是基于DISCUS提出的,通常采用性能优良的信道码来实现,例如Turbo码、LDPC(LowDensity Parity Check)码与Trellis码等。
LDPC码即低密度校验码,最早是在1962年1月由Gallager在IRE(Institute of Radio Engineers)会报上提出的,并于1963年由麻省理工出版社以专著形式正式发表。由于当时硬件水平的限制,这一研究成果并未得到及时的肯定,直到1993年5月两位法国教授Berrou、Glavieux和他们的博士生在ICC会议上提出了Turbo码。人们后来发现,Turbo码是LDPC编码的一种特殊形式,从l996年开始,Mackay等人开始了对LDPC编码的新的研究。
然而,研究发现上述信道码的编码复杂度较高,难以体现DSC的优势。为了获得较低的编码复杂度和理想的压缩性能,A.Majumdar提出了标量多元码应用于视频图像的DSC压缩,E.Magli等人引入了这种简单的多元码,通过陪集划分的方式实现高光谱图像的无损压缩。本方法借鉴前人的研究成果,将陪集划分的思想结合奇偶判定校验方法实现了以较低的复杂度达成高光谱图像数据压缩的要求。
发明内容
本发明的目的是通过低复杂度的编码方法,多通道并行处理的方式,实现高光谱图像的高速实时压缩。本方法具有良好的实时性、适应性和稳定性。
本方法按照以下步骤进行编码:
步骤(A1):对原始高光谱图像的谱间相关性进行分析,对于谱间相关性较好的高光谱图像,直接采用分布式选择压缩算法进行高光谱图像的无损压缩,对于谱间相关性较差的高光谱图像,采用预测算法进行图像的预处理;
步骤(A2):分布式选择压缩算法首先要选出提供边信息的参考谱段Ri,对于参考谱段,利用信道CH1进行传输;
步骤(A3):对于非参考谱段Rj,需要按照陪集编码算法计算其合理的索引位深DL,对于参考谱段的任意元素Ri(α,β)与非参考谱段相应元素Rj(α,β),其中α、β为谱段中元素的坐标值,索引位深DL有如下计算公式: n为谱段中元素坐标的最大值,在划分陪集时,令元素之间的欧氏距离为极大值,此时元素的位深为DH。DH+DL=DT,DT为原始数据的实际位深,当DL发生变化时,实际获得的压缩比会发生相应的变化,利用数理统计的办法,确立适合某类高光谱图像的位深DL;
步骤(A4):当确立了陪集索引的位深DL以后,还要通过计算相邻谱段对应元素的欧氏距离,确定需要独立传输的元素,当相邻谱段的误差幅值范围超过将陪集中位深为DH的元素单独通过信道传输CH2、CH3、……、CHN,其中N为信道总数;
步骤(A5):对于非参考谱段Rj中无需单独传输的元素,仅传输陪集索引和校验位即可,根据陪集内位深为DH的元素的奇偶性确定校验位的数值,通常用0表示奇数,1表示偶数,将校验位紧附在陪集索引之后,此时可以通过信道CH2、CH3、……、CHN,直接发送为参考谱段的陪集索引和校验位,从信道传输的方式可以看出分布式压缩技术的特点,即具有良好的并行性。
解码的具体步骤如下:
步骤(B1):首先还原原始高光谱图像的参考谱段Ri,该谱段信息由信道CH1传送;
步骤(B2):对于由CH2、CH3、……、CHN传送过来的陪集索引位深DL,结合参考谱段或其预测值重构非参考谱段信息Rj;
步骤(B3):对于由参考谱段Ri还原的陪集元素值DH可能存在误差,需要附在索引之后的校验位进行奇偶判定校验,参考欧氏距离CA与CB的值,其中, 其中为经过传输后参考谱段任意元素的陪集元素部分的数据,为经过传输后非参考谱段任意元素的陪集索引部分的数据,为经过传输后参考谱段任意元素的数据,若为传输前参考谱段任意元素的陪集元素部分的数据,当CA>CB时,的实际值就应该为当CA<CB时,的实际值就应该为当CA=CB时,的实际值就应该为通过校验,纠正欧氏距离与编码位深之间存在的结构误差;
步骤(B4):对于由CH2、CH3、……、CHN独立传送过来的陪集元素DH,直接还原到陪集元素DT相应的位置上。
本发明经过最优线性预测处理的编码步骤如下:
步骤(C2):利用k阶最优线性预测算法,对非参考谱段Rj进行预测,得到相应的预测系数Ij和预测结果j=1,2,……,n-k,其中n为高光谱图像的谱段总数;
步骤(C3):将预测结果作为实际的参考谱段,计算非参考谱段对应元素的欧氏距离,确定需要独立传输的元素,当预测谱段的残差cj幅值范围超过将陪集中位深为DH的元素单独通过信道传输CH2、CH3、……、CHN;
步骤(C4):对于非参考谱段中无需单独传输的元素,要传输预测系数Ij、陪集索引位深DL和校验位,将预测系数置于该谱段数据发送之前,校验位紧附在陪集索引之后,此时通过信道CH2、CH3、……、CHN发送。
经过最优线性预测处理后,解码重构的方法如下:
步骤(D1):根据信道CH1传输获取的预测系数Ij和参考谱段Ri,分别对非参考谱段Rj进行预测,得到相应的预测信息
步骤(D2):利用预测信息中陪集元素的值DH,结合信道CH2、CH3、……、CHN传输的陪集索引DL,重构谱段信息Rj。
步骤(D3):对于由参考谱段Ri还原的陪集元素值DH可能存在误差,需要附在索引之后的校验位进行奇偶判定校验;通过校验,纠正欧氏距离与编码位深之间存在的结构误差。
步骤(D4):对于由CH2、CH3、……、CHN独立传送过来的陪集元素值DH,直接还原到陪集元素DT相应的位置上。
本发明就有以下优点:
1、编码方法简单灵活,对编码端需求较低,适合大吞吐量数据的处理。
2、可移植性强,适合各类高光谱数据的处理。
3、数据结构完整清晰,容易与其他算法相结合。
附图说明
图1本发明编码器原理流程图
图2本发明解码器原理流程图
图3本发明经过预处理的编码器原理流程图
图4本发明经过预处理的解码器原理流程图
图5本发明简明流程图
具体实施方式
本发明按照星地高光谱图像传输的要求,根据分布式信源编码的原理,利用陪集索引的编码方法,提出了基于陪集码的高光谱图像分布式选择压缩编解码方法。本方法充分利用高光谱图像谱间相关的特点,通过建立陪集索引的方式,有选择的传输部分陪集元素,通过奇偶判定校验,重构原始高光谱图像数据。
编码器工作流程如下:
(1)如图1所示,将原始高光谱数据分为参考谱段Ri和非参考谱段Rj。参考谱段Ri由信道CH1直接传输,非参考谱段Rj需要根据统计结果划分DH和DL。并依据DH计算出校验位。
(2)依据非参考谱段Rj与参考谱段Ri的欧氏距离的大小,判断需要独立传输的DH。通过信道CH2,CH3,…,CHN传输DL和校验位以及需要独立传输的DH。
解码器工作流程如下:
(1)如图2所示,通过信道CH1接收参考谱段Ri,Ri同时为非参考谱段Rj提供DH信息。
(2)通过信道CH2,CH3,…,CHN接收非参考谱段Rj的DL和校验位,结合参考谱段Ri提供的DH信息,重构非参考谱段R'j。
(3)由上面步骤重构的非参考谱段R'j可能存在部分值与实际值不符的情况,需要利用奇偶判定校验位对DH值进行校验,从而得到非参考谱段Rj的实际值。
对于引入了预测处理的编码器,其工作流程如下:
(1)如图3所示,采用信道CH1传输参考谱段R1,R2,…,Rk,利用参考谱段R1,R2,…,Rk,对非参考谱段Rj进行最优线性预测,利用预测谱段与实际非参考谱段Rj的残差作为判断欧氏距离的依据。
(2)依据非参考谱段Rj与预测谱段的欧氏距离的大小,判断需要独立传输的DH。通过信道CH2,CH3,…,CHN传输DL和校验位以及需要独立传输的DH。
对于引入了预测处理的解码器,其工作流程如下:
(1)如图4所示,利用信道CH1接收的参考谱段R1,R2,…,Rk,对非参考谱段进行预测,得到预测谱段同时为非参考谱段Rj提供DH信息。
(2)通过信道CH2,CH3,…,CHN接收非参考谱段Rj的DL和校验位,结合预测谱段提供的DH信息,重构非参考谱段R'j。
(3)由上面步骤重构的非参考谱段R'j可能存在部分值与实际值不符的情况,需要利用奇偶判定校验位对DH值进行校验,从而得到非参考谱段Rj的实际值。
Claims (3)
1.一种基于陪集码的分布式选择压缩编解码方法,该方法建立在陪集分类的理论基础上,其特征在于,选择性传输部分陪集元素,同时利用一类新的奇偶校验方式对可能的误差进行纠正,在编码过程中,依次含有以下步骤:
步骤(A1):对原始高光谱图像的谱间相关性进行分析,对于谱间相关性较好的高光谱图像,直接采用分布式选择压缩算法进行高光谱图像的无损压缩,对于谱间相关性较差的高光谱图像,采用预测算法进行图像的预处理;
步骤(A2):分布式选择压缩算法首先要选出提供边信息的参考谱段Ri,对于参考谱段Ri,利用信道CH1进行传输;
步骤(A3):对于非参考谱段Rj,需要按照陪集编码算法计算其合理的索引位深DL,对于参考谱段Ri的任意元素Ri(α,β)与非参考谱段Rj相应元素Rj(α,β),其中α、β为谱段中元素的坐标值,其索引位深DL有如下计算公式: n为谱段中元素坐标的最大值,图像在划分陪集时,令元素之间的欧氏距离为极大值,此时元素的位深为DH,DH+DL=DT,DT为原始数据的实际位深,当DL发生变化时,实际获得的压缩比会发生相应的变化,利用数理统计的办法,确立适合某类高光谱图像的位深DL;
步骤(A4):当确立了陪集索引的位深DL以后,还要通过计算相邻谱段对应元素的欧氏距离,确定需要独立传输的元素,当相邻谱段的误差幅值范围超过将陪集中位深为DH的元素单独通过信道传输CH2、CH3、……、CHN,其中N为信道总数;
步骤(A5):对于非参考谱段Rj中无需单独传输的元素,仅传输陪集索引和校验位即可,根据陪集内位深为DH的元素的奇偶性确定校验位的数值,通常用0表示奇数,1表示偶数,将校验位紧附在陪集索引之后,此时可以通过信道CH2、CH3、……、CHN,直接发送为参考谱段Ri的陪集索引和校验位,从信道传输的方式可以看出分布式压缩技术的特点,即具有良好的并行性;
解码过程特征为编码过程求逆,利用边信息重构非参考谱段Rj,步骤如下:
步骤(B1):首先还原原始高光谱图像的参考谱段Ri,该谱段信息由信道CH1传送;
步骤(B2):对于由CH2、CH3、……、CHN传送过来的陪集索引位深DL,结合参考谱段Ri或其预测值重构非参考谱段Rj信息;
步骤(B3):对于由参考谱段Ri还原的陪集元素值DH可能存在误差,需要附在索引之后的校验位进行奇偶判定校验,参考欧氏距离CA与CB的值,其中, 其中为经过传输后参考谱段Ri任意元素的陪集元素部分的数据,为经过传输后非参考谱段Rj任意元素的陪集索引部分的数据,为经过传输后参考谱段Ri任意元素的数据,若为传输前参考谱段Ri任意元素的陪集元素部分的数据,当CA>CB时,的实际值就应该为当CA<CB时,的实际值就应该为当CA=CB时,的实际值就应该为通过校验,纠正欧氏距离与编码位深之间存在的结构误差;
步骤(B4):对于由CH2、CH3、……、CHN独立传送过来的陪集元素DH,直接还原到陪集元素DT相应的位置上。
2.如权利要求1所述方法,其特征在于,对于谱间相关性较差的高光谱图像,首先选择合适的参考谱段Ri,对其他谱段进行预测处理,由于预测残差可以被控制在相对较小的区间,这就使得陪集索引的位深DL在一定程度上得到降低,提高了压缩比,具体步骤如下:
步骤(C1):依据高光谱图像谱间相关性的分布特点,选取参考谱段Ri,j=1,2,……,k,其中k为参考谱段Ri的数量;
步骤(C2):利用λ阶最优线性预测算法,对非参考谱段Rj进行预测,得到相应的预测系数Ij和预测结果其中n为高光谱图像的谱段总数;
步骤(C3):将预测结果作为实际的参考谱段,计算非参考谱段Rj对应元素的欧氏距离,确定需要独立传输的元素,当预测谱段的残差cj幅值范围超过将陪集中位深为DH的元素单独通过信道传输CH2、CH3、……、CHN;
步骤(C4):对于非参考谱段Rj中无需单独传输的元素,要传输预测系数Ij、陪集索引位深DL和校验位,将预测系数置于该谱段数据发送之前,校验位紧附在陪集索引之后,此时通过信道CH2、CH3、……、CHN发送。
3.如权利要求2所述方法,其特征在于,对于经过预测处理的分布式选择压缩编码后的高光谱图像,按照以下步骤进行解码:
步骤(D1):根据信道CH1传输获取的预测系数Ij和参考谱段Ri,分别对非参考谱段Rj进行预测,得到相应的预测信息
步骤(D2):利用预测信息中陪集元素的值DH,结合信道CH2、CH3、……、CHN传输的陪集索引位深DL,重构非参考谱段Rj信息;
步骤(D3):对于由参考谱段Ri还原的陪集元素值DH可能存在误差,需要附在索引之后的校验位进行奇偶判定校验,通过校验,纠正欧氏距离与编码位深之间存在的结构误差;
步骤(D4):对于由CH2、CH3、……、CHN独立传送过来的陪集元素值DH,直接还原到陪集元素DT相应的位置上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310683146.6A CN103929645B (zh) | 2013-12-13 | 2013-12-13 | 一种基于陪集码的分布式选择压缩编解码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310683146.6A CN103929645B (zh) | 2013-12-13 | 2013-12-13 | 一种基于陪集码的分布式选择压缩编解码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103929645A CN103929645A (zh) | 2014-07-16 |
CN103929645B true CN103929645B (zh) | 2015-06-10 |
Family
ID=51147703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310683146.6A Expired - Fee Related CN103929645B (zh) | 2013-12-13 | 2013-12-13 | 一种基于陪集码的分布式选择压缩编解码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103929645B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5297170A (en) * | 1990-08-21 | 1994-03-22 | Codex Corporation | Lattice and trellis-coded quantization |
US5291520A (en) * | 1991-02-06 | 1994-03-01 | General Datacomm, Inc. | Methods and apparatus employing distribution preserving Tomlinson precoding in transmission of digital data signals |
US5471497A (en) * | 1993-11-01 | 1995-11-28 | Zehavi; Ephraim | Method and apparatus for variable rate signal transmission in a spread spectrum communication system using coset coding |
US7023936B2 (en) * | 2001-10-29 | 2006-04-04 | Intel Corporation | Method and apparatus for decoding lattice codes and multilevel coset codes |
-
2013
- 2013-12-13 CN CN201310683146.6A patent/CN103929645B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103929645A (zh) | 2014-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1514355B1 (en) | Method and system for multi-rate lattice vector quantization of a signal | |
CN101742313A (zh) | 基于压缩感知技术的分布式信源编码的方法 | |
CN102298137B (zh) | 自适应数据率星载sar原始数据压缩方法 | |
CN100589327C (zh) | 编码、解码方法及编码器、解码器 | |
CN102857760B (zh) | 一种无反馈的优化码率的分布式视频编解码方法及其系统 | |
CN102438150B (zh) | 一种抗信道误码的图像无损压缩检纠错编解码方法 | |
WO2011137841A1 (zh) | 压缩编码方法及装置、解码解压方法及装置、以及通信系统 | |
CN101494461B (zh) | 联合信源信道可变长符号级可逆编解码方法 | |
CN107197286A (zh) | 一种基于可逆变长码的图像无损压缩方法和系统 | |
CN103929645B (zh) | 一种基于陪集码的分布式选择压缩编解码方法 | |
CN102724495A (zh) | 基于率失真的Wyner-Ziv帧量化方法 | |
CN103026636A (zh) | 正交多描述编码 | |
CN103985096A (zh) | 基于离线训练的高光谱图像回归预测压缩方法 | |
CN106559668B (zh) | 一种基于智能量化技术的低码率图像压缩方法 | |
CN103533351B (zh) | 一种多量化表的图像压缩方法 | |
CN102695076B (zh) | 一种图像传输质量评价方法 | |
CN107205151B (zh) | 基于混合失真度量准则的编解码装置及方法 | |
Wang et al. | Distributed compression of zerotrees of wavelet coefficients | |
Nian et al. | Distributed near lossless compression algorithm for hyperspectral images | |
Wang et al. | Progressive quantization of compressive sensing measurements | |
CN103974080A (zh) | 一种图像预测压缩编码的传输误码纠错方法 | |
TR201708179T4 (tr) | Veri sıkıştırma yöntemi. | |
CN101908947A (zh) | 基于ldpc码和星座旋转准正交空时码的级联编码和译码方法及其信号发射和接收方法 | |
CN103001648B (zh) | 基于fpga的准循环ldpc码的简易编码装置及方法 | |
Liu et al. | Efficient data compression in wireless sensor networks for civil infrastructure health monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150610 Termination date: 20151213 |
|
EXPY | Termination of patent right or utility model |